Analytics Engineer

Chez 10%, la donnée n’est pas une fonction support : c’est le produit. Elle alimente l’app, le ciblage des campagnes et les bilans qu’on présente aux marques. Les fondations sont posées : Snowflake, dbt, un modèle en étoile, une couche sémantique. On cherche la personne qui va les faire passer à l’échelle, en binôme direct avec le Head of Data.

Tes missions

• Modéliser - concevoir et maintenir les modèles dbt qui constituent notre socle analytique, du staging aux marts métier.
• Tenir l’architecture - faire vivre notre modélisation en étoile, arbitrer les patterns d’historisation (Data Vault sur les couches amont), documenter et refactorer quand il le faut.
• Fiabiliser - tests dbt, contrôles de fraîcheur et de cohérence, lineage. Un chiffre juste vaut mieux qu’un chiffre rapide : nos analyses partent chez le client.
• Analyser les comportements - activation, rétention, fréquence d’achat, mix catégoriel, report entre marques. Aller chercher dans le panier ce que personne d’autre sur le marché ne voit.
• Mesurer - contribuer aux plans de mesure des campagnes et des A/B tests, de la conception à la lecture des résultats.
• Diffuser - dashboards, modèles sémantiques et jeux de données prêts à l’emploi pour les équipes Sales, Growth, Produit et Ops, et pour les marques elles-mêmes.

Le profil qu’on cherche

On cherche quelqu’un qui aime autant la propreté d’un modèle bien posé que le moment où la donnée raconte enfin quelque chose.

• SQL - c’est ton outil de tous les jours. Window functions, historisation, requêtes analytiques complexes : tu les écris lisibles autant que performantes.
• Modern data stack - dbt et Snowflake en production.
• Modélisation - star schema, Data Vault : tu sais ce qu’est un grain, un fait, une dimension, et pourquoi le choix n’est jamais neutre.
• Esprit d’analyse rigoureux - tu challenges un chiffre avant de le publier, tu distingues corrélation et causalité, et tu sais dire « cette donnée ne permet pas de conclure ».
• BI - tu rends un modèle exploitable par des gens qui n’écriront jamais de SQL.
• Autonomie - tu cadres, tu priorises, tu vas chercher le contexte métier toi-même.
• Environnement startup - périmètre mouvant, décisions rapides, tout n’est pas encore écrit. C’est précisément l’intérêt.
• Le petit plus - une expérience du retail, de la FMCG, du panel conso ou du marketing analytics, et du Python pour automatiser.
• Langues - français courant, anglais professionnel.

Ce que tu trouves chez nous

• De la donnée qui vaut le coup : des achats réels, en volume, sur des catégories concrètes.
• Des marques comme Danone, Mars, Colgate-Palmolive ou Unilever, autant que des challengers en pleine croissance.
• Un impact direct : tes analyses finissent entre les mains des marques, pas dans un dashboard que personne n’ouvre.
• L’IA intégrée au quotidien dans notre chaîne de production analytique.
• Une équipe bienveillante, engagée et exigeante, en plein cœur de Paris.
• Carte titres-restaurant Swile et mutuelle Alan.

Le process de recrutement

1. Un entretien téléphonique avec le Head of Data (30 min).
2. Un test technique à faire chez toi (2h).
3. Une étude de cas SQL et modélisation (1h).
4. Un entretien avec Clémence et Max, CEO et CTO (1h).
5. Un café avec l’équipe (45 min).